gym 搭建 RL 环境

时间:2022-07-23
本文章向大家介绍gym 搭建 RL 环境,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

gym调用

gym的调用遵从以下的顺序

  1. env = gym.make('x')
  2. observation = env.reset()
  3. for i in range(time_steps): env.render() action = policy(observation) observation, reward, done, info = env.step(action) if done: …… break
  4. env.close()

例程

例程是一个简单的策略,杆左斜车左移,右斜则右移。

import gym
import numpy as np
env = gym.make('CartPole-v0')
t_all = []
action_bef = 0
for i_episode in range(5):
    observation = env.reset()
    for t in range(100):
        env.render()
        cp, cv, pa, pv = observation
        if abs(pa)<= 0.1:
            action = 1 -action_bef
        elif pa >= 0:
            action = 1
        elif pa <= 0:
            action = 0
        observation, reward, done, info = env.step(action)
        action_bef = action
        if done:
            # print("Episode finished after {} timesteps".format(t+1))
            t_all.append(t)
            break
        if t ==99:
            t_all.append(0)
env.close()
print(t_all)
print(np.mean(t_all))

gym的搭建

gym的函数构成

一个完整的gym环境包括以下函数:类构建、初始化、

  • class Cartpoleenv(gym.env)
    • def __ init __(self):
    • def reset(self):
    • def seed(self, seed = None): return [seed]
    • def step(self, action): return self.state, reward, done, {}
    • def render(self, mode='human'): return self.viewer.render()
    • def close():

功能函数

  • 参数限位 vel = np.clip(vel, vel_min, vel_max)
  • action输入校验 self.action_space.contains(action)
  • action和observation空间定义 Discrete: 0,1,2 low = np.array([min_0,min_1],dtype=np.float32) high = np.array([max_0,max_1],dtype=np.float32) self.action_space = spaces.Discrete(3) self.observation_space = spaces.Box( self.low, self.high, dtype=np.float32)

Mac系统添加自己写的环境到gym

  1. 打开gym.envs目录:/usr/local/lib/python3.7/site-packages/gym/envs
  2. 将自己编写的myenv.py拷贝至一个aa目录
  3. envs/aa下__init__.py添加 from gym.envs.classic_control.myenv import MyEnv
  4. env下__init__.py添加
register(
id='myenv-v0',
entry_point='gym.envs.classic_control:MyEnv,
max_episode_steps=999, 
)
  • 注意:注册方法内 id号不能省 然后就可以调用了
id = 'myenv-v0'
env = gym.make('id')
env.reset()
env.step()
env.sloce()